• Aucun résultat trouvé

Couplage entre les bases de données BDAT et IGCS

N/A
N/A
Protected

Academic year: 2021

Partager "Couplage entre les bases de données BDAT et IGCS"

Copied!
13
0
0

Texte intégral

(1)

Couplage entre les bases de données

BDAT et IGCS

(2)

CONTEXTE

Les programmes de suivi temporel de la qualité des sols : Base de Données des Analyses de Terres (BDAT)

Analyses réalisées chaque année par des laboratoires agrées, à la demande des agriculteurs.

Vision spatiale et temporelle de la répartition et de l’évolution d’une certains nombre de paramètres pédologiques des horizons de surface de sols cultivés

http://www.gissol.fr/programme/bdat/

Liste des paramètres … ?

(3)

CONTEXTE

Les programmes d’inventaire cartographique des sols :

Inventaire, Gestion et Conservation des Sols (IGCS)

-

Référentiel Régional Pédologique (250 0000ème)

-

Connaissance pédologique de France (50 et 100 000ème)

-

Secteur de référence

Base de Données Géographique des Sols de France à l’échelle de 1/ 1 000 000 (BDGSF), seule couverture exhaustive

caractéristiques « pérennes » des sols et répartition géographique

IGCS : Inventaire, Gestion et Conservation des sols

(4)

Enjeu

BDAT et IGCS (DoneSol) : bases de données pédologiques

Couplage des bases de données pour optimiser la connaissance des sols : mieux renseigner les UTS et prédire les paramètres majeurs

Table unique Table unique

BDAT Tables multiples :

Objets ponctuels Objets surfaciques Tables multiples : Objets ponctuels Objets surfaciques

IGCS

Référence spatiale Commune

Référence spatiale

Unité Cartographique Sol

(5)

Objectif et moyens

Développer une méthodologie d’allocation des analyses de la BDAT aux UTS des RRP reproductible et transférable

Application à quelques paramètres d’intérêt majeur : C, pH, CEC…

Validation des méthodes Moyens :

2011-2012 :

JB Paroissien (InfoSol) en 2011 dans le cadre des travaux de M Vigot « Spatialisation de l’état organique des sols cultivés… » (Axe 3) ; poursuite en 2012 sur les stocks de C du Loiret

Stage de Jennifer Granja M2 à InfoSol, encadré par N Saby et B Lemercier afin d’évaluer la méthodologie

2012-2013 Financement BDAT :

Stage de fin d’étude de niveau M2 (janv-juin)

Implication d’un ingénieur contractuel présent 6 mois sur la BDAT

(6)

Le principe : Affecter les données de la BDAT à l’UTS la plus ’’ressemblante’’

UCS 1 UCS 3

UCS 2

Allocation spatiale

• Sélection des UTS agricoles

• Sélection des UTS probables de chaque

commune du territoire

• Sélection des UTS agricoles

• Sélection des UTS probables de chaque

commune du territoire

Allocation analytique

• Calcul de

distance entre les analyses BDAT et la strate de

surface des UTS sélectionnées

(argile, limon, CEC, pH, calcaire)

• Calcul de

distance entre les analyses BDAT et la strate de

surface des UTS sélectionnées

(argile, limon, CEC, pH, calcaire)

Analyse de terre

(7)

Les travaux de Jean Baptiste Paroissien (2011)

Méthode :

• Calcul d’une moyenne des distances Da entre les analyses des profils et les valeurs modales des strates

• Selon le résultat de la distance, l’analyse des profils est affectée à la strate (soit à l’UTS et donc à l’UCS)

résultats :

Affectation de la donnée BDAT à l’UTS qui présente la plus faible distance Da

a = le paramètre pédologique

va = valeur des paramètres des analyses issue du profil

va’ = valeur modal de la strate

UCS 1 UCS 3

UCS 2

(8)

Résultats

Loiret , Poitou-Charentes

(JB paroissien)

Manque d’éléments de validation

(9)

Les travaux de Jennifer Granja (2012)

Méthode :

Création d’un jeu de validation : affectation des analyses des profils du RRP aux UTS en aveugle,

comparaison a posteriori avec l’affectation réelle

résultats :

Validation de la méthode proposée

a = le paramètre pédologique

va = valeur des paramètres des analyses issue du profil

va’ = valeur modal de la strate

UCS 1 UCS 3

UCS 2

(10)

Autres formules de distances testées et choix des paramètres

La distance avec les quantiles : La distance de

Jean-Baptiste Paroissien :

La distance avec les valeurs d’expert :

a = le paramètre pédologique

va = valeur des paramètres des analyses issue du profil

va’ = valeur modal de la strate

13

Les paramètres texturaux

• Argile

• Limon

Les paramètres physico-chimiques

• CEC

• pH

• Taux de Calcaire

(11)

Tableau récapitulatif des pourcentages d’affectation correctes au UCS selon la distance utilisée (2 méthodes)

Distance Distance Da Distance Dexp

nombre de profils 210

% d’affectation correcte

% d’affectation correcte

DpH 30 31

Dcec 29 29

Dcalcaire 18 68 ??

Dlimon 28 28

Dargile 35 34

(12)

Résultats

Peu de profils sont correctement affectés (22%). Ceux qui le sont appartiennent à des PRN spécifiques : Gâtinais beauceron, Gâtinais de l’ouest, Sologne, Val de Loire.

(13)

Conclusion

Les bases de la méthode sont posées Axes de travail :

Affiner la démarche : choix de la méthode de calcul de distance, choix et pondération des paramètres

pédologiques à considérer

Développer des indicateurs de validation de la

méthodologie pour répondre à la question : « Le couplage entre la BDAT et les RRP permet-il de renseigner les UTS de façon plus juste et plus précise? »

Généricité de la méthode : appliquer la procédure à d’autres territoires : Alsace et Picardie (ABC’Terres),

Bretagne. Le succès de la méthode dépend de la qualité des BDD, nécessité d’une expertise pédo pour

comprendre les biais

Références

Documents relatifs

Country : Name, Code, Capital, Province, Area, Population ; (Province est la région de la capitale) City : Name, Country, Province, Population, Longitude, Latitude ; (Country est

Cohérence : Comme pour le SELECT , dans la condition du HAVING doivent apparaître soit des attributs du GROUP BY ou qui sont identiques pour chaque élément du groupe, soit des

Les auteurs montrent que la maximisation de cette pseudo vraisemblance peut encore être simplifiée en réalisant l’estimation des paramètres en deux étapes : en appliquant dans

Pour identifier le type de relation entre ces deux tables, on se posera les deux questions suivantes :  Pour un enregistrement de la 1ère table, combien peut-on avoir

Une agence de location de voiture veut gérer ses contrats de location afin d’en faire le suivi, on vous procure donc les informations suivantes :. Pour chaque client, on a

La base de données (données primaires) est la matière première à partir de laquelle la bioinformatique va produire d'autres données (données secondaires) et

• dans le cas particulier d’une entité faible, la clé primaire de la relation correspondant à l’entité faible sera le couple constitué de la clé de l’entité forte et de

Compétences d'un utilisateur averti de BD relationnelles disposant de notions de base sur la conception et l'administration d'une BD. • Bases de données relationnelles: